Evaluierung alignmentbasierter Duplikaterkennung in integrierten PPI-Datenbeständen

Interaktionen zwischen Proteinen, sg. Protein-Protein-Interaktionen (PPIs), spielen eine wesentliche Rolle innerhalb jedes Organismus. Durch den Einsatz von Hochdurchsatzverfahren hat sich dasWissen über PPIs in den letzten Jahren vervielfacht. Dadurch wurde es notwendig die anfallenden Informationen strukturiert der wissenschaftlichen Gemeinde zur Verfügung zu stellen. Der erste Teil dieser Diplomarbeit beschäftigt sich mit den wichtigsten primären und sekundären PPI-Datenbanken. Sekundäre PPI-Datenbanken stellen durch die Integration von mehreren primären Datenquellen dem Benutzer ein umfangreicheresWissen bereit. Da sich die Datenbestände von primären PPI-Datenbanken überlappen, müssen mehrfach auftretende PPIs erkannt werden. Dieser Vorgang nennt sich Duplikaterkennung und ist von großer Bedeutung bei sekundären Datenbanken, um Redundanzen und eine falsche Trennung der Daten zu vermeiden. In dem zweiten Teil dieser Arbeit wird genauer auf die Methoden zur Duplikaterkennung der unterschiedlichen Datenbanken eingegangen. Weiters wird ein neuer Ansatz zur Erkennung von Duplikaten, die alignmentbasierte Duplikaterkennung, vorgestellt. Dieser basiert auf einem paarweisen lokalen Alignment der Proteinsequenzen und benötigt in der einfachsten Form keine weiteren Informationen. Mögliche Algorithmen zur Berechnung der Alignments, sowie deren Parameter und Maßzahlen werden evaluiert. Die Vor- und Nachteile dieser Methode werden dargelegt, sowie die Qualität der alignmentbasierten Duplikaterkennung auf Testdatensätzen gemessen.